为什么tf.random.truncated_normal可以得到不是矢量的形状，即使它说它只接收矢量的形状？

Question

我正在使用Python中的TensorFlow。

我阅读了以下文档 tf.random.truncated_normal 输入的“形状”获取一维张量或python数组，即一个向量（根据https://www.tensorflow.org/guide/tensors）。

但是，在我使用的示例中，“形状”是一个4-D张量。还是被认为是向量？也许我对向量和张量的定义有疑问？

def weight_variable(shape, name = 'noname'):
  initial = tf.truncated_normal(shape, stddev=0.1)
  return tf.Variable(initial, name = name)

W_conv1 = weight_variable([5, 5, 3, 32], 'W_conv1')

Answer 1

因此，您在理解张量时会犯一个小错误。张量可以具有不同的“等级”。单个标量（例如1）是等级0张量。列表/向量（例如[1,2,3,4]）是1级张量。诸如[[0,0]，[0,0]]之类的2D矩阵是2级张量，而3D矩阵是3级张量，依此类推。因此，您在此处输入的是矢量或1级张量，而不是4D张量。

Here is a nice blog post about this.